隨著突發(fā)事件復(fù)雜性的不斷提高和風(fēng)險災(zāi)害危機(jī)管理的艱巨性不斷被人們所認(rèn)知，關(guān)于風(fēng)險災(zāi)害危機(jī)管理(即應(yīng)急管理)研究方法論體系也在不斷拓展。在理論構(gòu)建、案例研究、跨學(xué)科合作之后，大數(shù)據(jù)分析當(dāng)前很受青睞。

大數(shù)據(jù)分析是指有效利用海量的數(shù)據(jù)抓取、挖掘與分析其中有意義的信息。以互聯(lián)網(wǎng)為技術(shù)平臺的經(jīng)濟(jì)社會生活形成了海量的數(shù)據(jù)即大數(shù)據(jù)?？陀^存在的大數(shù)據(jù)本身是沒有意義的，需要經(jīng)過新處理模式才能轉(zhuǎn)化為更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力，成為海量、高增長和多樣化的信息資產(chǎn)。在風(fēng)險災(zāi)害危機(jī)管理領(lǐng)域，基于互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)等泛互聯(lián)網(wǎng)思維和技術(shù)，可以對大數(shù)據(jù)進(jìn)行獲取、存儲、傳輸、融合和異構(gòu)等處理，使之轉(zhuǎn)化為決策和解決問題方案的能力。其中，互聯(lián)網(wǎng)將有關(guān)的無關(guān)的、直接的間接的、過去的現(xiàn)在的信息“一網(wǎng)打盡”，可以為風(fēng)險災(zāi)害危機(jī)管理各參與主體以及利益相關(guān)者提供共享信息，體現(xiàn)了共建共治共享；云計算可以將風(fēng)險災(zāi)害危機(jī)管理流程轉(zhuǎn)變?yōu)閿?shù)字化服務(wù)，從而使管理流程具備高度的可配置性和可擴(kuò)展性；物聯(lián)網(wǎng)將物理世界的資源與計算世界的智慧聯(lián)系起來，提升現(xiàn)實(shí)世界防范風(fēng)險、應(yīng)對災(zāi)害、管理危機(jī)的能力?？梢姡夯ヂ?lián)網(wǎng)技術(shù)和大數(shù)據(jù)驅(qū)動將促使傳統(tǒng)的風(fēng)險災(zāi)害危機(jī)管理思維和范式產(chǎn)生根本性變革，能夠?qū)⒎眮y的數(shù)據(jù)轉(zhuǎn)變成現(xiàn)實(shí)的管理能力，使風(fēng)險災(zāi)害危機(jī)管理的整體性、協(xié)同性和智能化成為可能。實(shí)踐既已如此，對風(fēng)險災(zāi)害危機(jī)的研究當(dāng)然也離不開大數(shù)據(jù)分析。

傳統(tǒng)風(fēng)險災(zāi)害危機(jī)管理及其研究的局限性

作為“基于社會正常運(yùn)行的例外”①，突發(fā)事件是社會經(jīng)濟(jì)自然系統(tǒng)中一類具有特殊屬性的現(xiàn)象，這一特殊屬性體現(xiàn)在風(fēng)險、災(zāi)害與危機(jī)之間的相互關(guān)聯(lián)和相互轉(zhuǎn)化。這一現(xiàn)象具有產(chǎn)生、形成與動態(tài)變化或演化等一系列的復(fù)雜系統(tǒng)行為，也可以把它理解為復(fù)雜社會經(jīng)濟(jì)自然系統(tǒng)中子相空間的形成或存在。一般而言，相空間都具有巨大維數(shù)，相空間中的任一狀態(tài)都是由無數(shù)細(xì)節(jié)構(gòu)成的，我們可以把任何一個突發(fā)事件都理解為相空間中的一個可能物理態(tài)。在這里，不僅個別的可能物理態(tài)，甚至突發(fā)事件子相空間都具有動態(tài)性與演化性，而動態(tài)性與演化性的動力學(xué)機(jī)理包括了結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化特征。因此，針對突發(fā)事件的風(fēng)險災(zāi)害危機(jī)管理，都要以此為基本依據(jù)，建立在精準(zhǔn)的源頭風(fēng)險識別與分析基礎(chǔ)上。

我國現(xiàn)行的以“一案三制”(即應(yīng)急預(yù)案，加上應(yīng)急體制、機(jī)制、法制)為核心的綜合應(yīng)急管理體系在自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件以及社會安全事件等領(lǐng)域取得了較好的效果，②風(fēng)險災(zāi)害危機(jī)管理水平有了很大的提升。然而，從十余年的管理實(shí)踐來看，仍然存在著諸多不足，表現(xiàn)出一系列的發(fā)展不平衡，包括：(1)災(zāi)害響應(yīng)強(qiáng)，風(fēng)險預(yù)警弱。強(qiáng)調(diào)事后的響應(yīng)，忽視事前的預(yù)警，近期發(fā)生的河北邢臺洪災(zāi)便在此列。(2)災(zāi)害響應(yīng)強(qiáng)，危機(jī)溝通弱。片面強(qiáng)調(diào)政府響應(yīng)，忽視與公眾的溝通，2015年的“天津港火災(zāi)爆炸”便是典型。(3)災(zāi)害處置強(qiáng)，應(yīng)急決策弱。在災(zāi)害響應(yīng)中，強(qiáng)調(diào)災(zāi)害處置的措施，而忽視應(yīng)急決策的科學(xué)性，2015年的“哈爾濱大火”就是如此。

造成上述發(fā)展不平衡的主要原因在于對引發(fā)突發(fā)事件的全要素缺乏精準(zhǔn)識別與分析。每一個突發(fā)事件產(chǎn)生的背后都有著大量復(fù)雜的因素存在，特別是社會、經(jīng)濟(jì)、文化、自然、地理、生態(tài)等不同因素對于事前準(zhǔn)備、事中響應(yīng)與事后處置都有著不同層面的影響，③因此風(fēng)險災(zāi)害危機(jī)管理需要建立在對突發(fā)事件進(jìn)行全要素識別與分析的基礎(chǔ)上，開展多維度、多尺度、多方位的數(shù)據(jù)集成、融合，以及對應(yīng)急處置信息進(jìn)行數(shù)據(jù)挖掘與數(shù)據(jù)耕耘。然而，傳統(tǒng)的應(yīng)急管理方法不能做到對數(shù)據(jù)、信息的全方位采集特別是實(shí)時分析，從而造成現(xiàn)行的應(yīng)急管理體系主要進(jìn)行事后的隨機(jī)應(yīng)對，并且主要根據(jù)已有的突發(fā)事件“案例庫”進(jìn)行比對分析，基于以往的經(jīng)驗(yàn)制定應(yīng)急處置的決策與措施?？梢哉f，傳統(tǒng)的風(fēng)險災(zāi)害危機(jī)管理方法較多地沿用案例或樣本思維，但在如今各方面不確定性急劇增大的風(fēng)險社會中，④案例或樣本思維對多維(海量)、復(fù)雜(不確定)的數(shù)據(jù)(信息)的敏感性較弱，響應(yīng)效率不高。

突發(fā)事件，特別是突發(fā)事件的管理應(yīng)對具有強(qiáng)烈的情景依賴性，參與主體(包括政府、公眾、企業(yè)、NGO等)的內(nèi)在需求(包括主體特征、利益訴求、行為偏好等)以及主體間行為的交互(包括信息交互、互動影響、風(fēng)險分配等)、外部環(huán)境(包括自然環(huán)境、技術(shù)環(huán)境、經(jīng)濟(jì)環(huán)境等)的變化構(gòu)成了應(yīng)急管理的情景特征。情景認(rèn)知不足容易引發(fā)預(yù)警失效、響應(yīng)不靈以及處置不當(dāng)?shù)群蠊?，然而傳統(tǒng)應(yīng)急管理體系在情景分析，特別是情景要素的提取與建模方面缺乏有效的方法支撐。

綜上，傳統(tǒng)研究方法與管理實(shí)踐均缺乏對突發(fā)事件應(yīng)對的主動性與前瞻性。隨著大數(shù)據(jù)的出現(xiàn)，這種被動應(yīng)對的局面有望得到改變。

風(fēng)險災(zāi)害危機(jī)管理中的大數(shù)據(jù)分析方法

相較于傳統(tǒng)研究方法，大數(shù)據(jù)是在與現(xiàn)象和個體所相關(guān)聯(lián)的整體信息思維下對該現(xiàn)象和該個體的描述。因此，大數(shù)據(jù)能夠切實(shí)地保證在全信息下對研究對象的整體性描述，并為相關(guān)決策制定提供高質(zhì)量的數(shù)據(jù)基礎(chǔ)。

關(guān)于大數(shù)據(jù)的研究興起于2008年，并呈現(xiàn)出典型的跨學(xué)科特征。被廣為援引的文獻(xiàn)包括：《自然》雜志的專題文章《大數(shù)據(jù)：從數(shù)據(jù)中提取意義》⑤、國際數(shù)據(jù)資訊公司(International Data Group，簡稱IDG)的研究報告《從混沌中提取價值》⑥、《科學(xué)》雜志的?？恼隆短魬?zhàn)與機(jī)遇》⑦、麥肯錫全球研究院(Mckinsey Global Institute)的兩份研究報告《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿》《開放數(shù)據(jù)：用信息流動釋放創(chuàng)新與績效》⑧⑨、舍恩伯格和庫克耶的《大數(shù)據(jù)時代：生活、工作與思維的變革》⑩，等等。這些綜合研究討論了大數(shù)據(jù)的概念界定、主要特征、研究范式等基礎(chǔ)議題，為包括風(fēng)險災(zāi)害危機(jī)管理在內(nèi)的大數(shù)據(jù)研究提供了必要的背景知識，特別是大數(shù)據(jù)的出現(xiàn)為科學(xué)研究提供了“數(shù)據(jù)密集型科研”的研究范式，從數(shù)據(jù)中直接查找或挖掘所需要的信息、知識和智慧，引發(fā)了科學(xué)研究的方法革命，這也被稱為繼實(shí)驗(yàn)科學(xué)、理論科學(xué)、計算科學(xué)之外科學(xué)研究的“第四范式(The Fourth Paradigm)”。這一范式的特點(diǎn)表現(xiàn)為：不在意數(shù)據(jù)的雜亂，但強(qiáng)調(diào)數(shù)據(jù)的海量；不要求數(shù)據(jù)精確，但要求數(shù)據(jù)有代表性；不刻意追求因果關(guān)系，但重視規(guī)律總結(jié)。

聯(lián)合國在大數(shù)據(jù)白皮書(Big Data For Development: Opportunities & Challenges (2012))中指出，滿足如下條件才能稱之為“大數(shù)據(jù)”：(1)數(shù)字化，即數(shù)據(jù)是以數(shù)字方式創(chuàng)建的，并且可由一系列計算機(jī)語言“0”和“1”存儲，從而實(shí)現(xiàn)計算機(jī)全過程識別與操縱；(2)被動化，即數(shù)據(jù)是被動地由日常數(shù)字服務(wù)所產(chǎn)生，而非人為地主動地去索?。?3)自動化，即有一個系統(tǒng)可以在自動地提取和存儲相關(guān)數(shù)據(jù)；(4)可追蹤，即數(shù)據(jù)可以進(jìn)行追蹤溯源，例如移動電話位置數(shù)據(jù)與呼叫持續(xù)時間等；(5)連續(xù)化，即對數(shù)據(jù)可以進(jìn)行實(shí)時分析。據(jù)此，風(fēng)險災(zāi)害危機(jī)管理領(lǐng)域目前可用的大數(shù)據(jù)構(gòu)成如圖1所示：

不過在實(shí)際中也不必過分苛求。現(xiàn)在許多實(shí)踐和研究中處理的巨量數(shù)據(jù)，尚不能完全滿足聯(lián)合國的《大數(shù)據(jù)開發(fā)報告》的要求，但這并不妨礙我們據(jù)此嘗試著做大數(shù)據(jù)分析，并逐步地從不完全符合到完全符合聯(lián)合國《大數(shù)據(jù)開發(fā)報告》的要求。

例如，在大數(shù)據(jù)概念出現(xiàn)之前，最接近大數(shù)據(jù)的就是氣象數(shù)據(jù)，即以各種傳感器輸送的巨量龐雜數(shù)據(jù)。2012年3月，廣東省與國家氣象局簽署《關(guān)于加快氣象現(xiàn)代化試點(diǎn)省建設(shè)合作備忘錄》，一方面探索建立基于云計算和大數(shù)據(jù)技術(shù)基礎(chǔ)上的氣象大數(shù)據(jù)試驗(yàn)平臺；另一方面以此為依托，建立省、市、縣(區(qū))三級突發(fā)事件預(yù)警信息發(fā)布中心，發(fā)布自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件等三大類各種預(yù)警信息，實(shí)現(xiàn)預(yù)防、預(yù)警、預(yù)案三項工作一體化。其中，陽江市是先行典型，他們的創(chuàng)新實(shí)踐見圖2：

在圖1和圖2中，風(fēng)險災(zāi)害危機(jī)管理大數(shù)據(jù)主要表現(xiàn)為遙感大數(shù)據(jù)和社交大數(shù)據(jù)等兩大類型，來源于公共部門、私人部門和個體等三類主體。這表明大數(shù)據(jù)的獲取需要不同類型的利益相關(guān)者共同努力，從而使風(fēng)險災(zāi)害危機(jī)管理者能夠獲得全樣本數(shù)據(jù)。大數(shù)據(jù)的主要特征包括數(shù)據(jù)容量巨大(Volumn)、數(shù)據(jù)類型繁多(Variety)、數(shù)據(jù)價值高(Value)以及處理速度快(Velocity)，即4V特征，這給大數(shù)據(jù)在風(fēng)險災(zāi)害危機(jī)管理領(lǐng)域的應(yīng)用提供了幫助。有證據(jù)表明，如果在突發(fā)事件的前期有數(shù)據(jù)支撐的話，就能夠有效提升應(yīng)急響應(yīng)效率，特別是一些有價值的數(shù)據(jù)，例如具有快速傳播功能的社交媒體數(shù)據(jù)等。最近全球防災(zāi)中心(Global Disaster Preparedness Centre,簡稱GDPC)進(jìn)行的一項研究表明，社交媒體數(shù)據(jù)不僅可用于災(zāi)害應(yīng)對，而且還具有風(fēng)險預(yù)警的潛力。該研究進(jìn)一步指出，社交媒體大數(shù)據(jù)能夠擴(kuò)大危機(jī)溝通的覆蓋面，提高災(zāi)害評估內(nèi)容的有效性等。此外，在突發(fā)事件發(fā)生時，社交媒體作為信息高速傳播的渠道也能夠在應(yīng)急響應(yīng)中承擔(dān)部分責(zé)任，有助于備災(zāi)。

需要指出的是，大數(shù)據(jù)的類型多種多樣，在風(fēng)險災(zāi)害危機(jī)管理中，并不一定都要求數(shù)據(jù)海量且高速率，針對突發(fā)事件的應(yīng)急響應(yīng)需要準(zhǔn)確識別數(shù)據(jù)之間的關(guān)聯(lián)性特征，例如，在對公眾進(jìn)行危機(jī)溝通時往往只需要識別出群體中少數(shù)有影響性與權(quán)威性的個體即可。在風(fēng)險災(zāi)害危機(jī)管理中，全樣本數(shù)據(jù)的提取、清洗、轉(zhuǎn)化、處理與儲存能夠識別與分析數(shù)據(jù)的有效性和關(guān)聯(lián)性特征，從而在事前準(zhǔn)備階段、事中響應(yīng)階段、事后處置與救援階段發(fā)揮積極的作用，包括降低災(zāi)害傳播風(fēng)險、提升應(yīng)急準(zhǔn)備效能、強(qiáng)化危機(jī)溝通效果等。

目前大數(shù)據(jù)分析方法主要包括文本分析、語義識別、多元回歸等，大數(shù)據(jù)分析的目的在于對多維多尺度數(shù)據(jù)的獲取、融合與表達(dá)，以及多維數(shù)據(jù)集成下的情景建模。從大數(shù)據(jù)的獲取來看，主要涉及數(shù)據(jù)挖掘?；谏缃幻襟w的大數(shù)據(jù)除了采用爬蟲(Crawler)進(jìn)行獲得以外，也需要應(yīng)用新的方法技術(shù)以提高數(shù)據(jù)獲取的精度、效率和普遍性。基于開放數(shù)據(jù)的大數(shù)據(jù)獲取則有賴于實(shí)地調(diào)研和與政府、企業(yè)的合作。此外，數(shù)據(jù)的分類、聚類方法也需要應(yīng)用與發(fā)展，為核心子課題提供技術(shù)輔助。從大數(shù)據(jù)的融合來看，主要涉及不同來源大數(shù)據(jù)的融合、多源數(shù)據(jù)的集成與映射、基于MapReduce或Hadoop的衍生分析方法等。從大數(shù)據(jù)的表達(dá)來看，主要涉及數(shù)據(jù)的特征識別(如數(shù)據(jù)流、時間序列)、內(nèi)容建模(如數(shù)據(jù)驅(qū)動)和語義理解(如機(jī)器學(xué)習(xí))。

隨著技術(shù)水平的提升，大數(shù)據(jù)分析在市場營銷、服務(wù)運(yùn)作、公共衛(wèi)生等領(lǐng)域發(fā)揮了積極影響和推動作用，并且社交媒體等大數(shù)據(jù)已經(jīng)證明有潛力在突發(fā)事件應(yīng)對中發(fā)揮積極的作用。

基于大數(shù)據(jù)分析的風(fēng)險災(zāi)害危機(jī)管理研究回顧

如前文所述，大數(shù)據(jù)既包括來自社會的數(shù)據(jù)，如政府開放的數(shù)據(jù)；也包括通過傳感器收集的來自物理空間和網(wǎng)絡(luò)空間的數(shù)據(jù)，如自媒體數(shù)據(jù)(社交媒體、博客、微博等)、日志數(shù)據(jù)(搜索引擎、運(yùn)營商、網(wǎng)購服務(wù)、金融服務(wù)等產(chǎn)生的用戶行為、交易的日志等)和富媒體數(shù)據(jù)(文本、音視頻、圖片、文字等)。目前，應(yīng)用大數(shù)據(jù)分析研究風(fēng)險災(zāi)害危機(jī)管理議題主要借助于社交媒體(如推特Twitter、微博、Facebook等)數(shù)據(jù)。

美國學(xué)者蘇頓(Jeanette Sutton)對推特信息的轉(zhuǎn)發(fā)與政府預(yù)警發(fā)布、公眾的風(fēng)險感知與防護(hù)行為之間的關(guān)系進(jìn)行了系列的案例研究?；凇跋耐暮[”(Hawaii Tsunami)的案例研究顯示，信息預(yù)警應(yīng)該通過多渠道(Multiple channels)發(fā)布，而社交媒體可以成為發(fā)布渠道之一?；凇拔譅柖鄭{谷大火”(Waldo Canyon Wildfire)的案例研究顯示，在政府部門通過推特發(fā)布信息的轉(zhuǎn)發(fā)(Retransmission)行為中，在信息字?jǐn)?shù)受到限制的情況下，信息的發(fā)布應(yīng)該明確、具體，以免產(chǎn)生“磨洋工”行為(Milling behavior)，導(dǎo)致公眾不能迅速采取防護(hù)行動?；凇安柖嗪樗?Boulder Floods)的案例研究表明，在擴(kuò)散預(yù)警信息時，即使是通過推特發(fā)布的短文本信息(Terse message)，也應(yīng)該提供災(zāi)害事件的信息、影響和自我保護(hù)的可行動建議；地方應(yīng)急領(lǐng)導(dǎo)人發(fā)布的信息更容易被其他組織轉(zhuǎn)發(fā)，預(yù)警信息應(yīng)該同時注重解釋性(Declarative/Explanative)內(nèi)容和指導(dǎo)性(Imperative/Instructional)內(nèi)容。針對“波士頓馬拉松爆炸”(Boston Marathon Booming)，通過對官方賬號發(fā)布的推特信息的負(fù)二項回歸分析(Negative Binominal Regression)則顯示：官方推特賬號信息的轉(zhuǎn)發(fā)受到信息內(nèi)容、風(fēng)格和發(fā)布者特征的共同影響；在恐怖襲擊的情況下，包括“URL(Uniform Resource Locator，統(tǒng)一資源定位符)”的信息反而會降低轉(zhuǎn)發(fā)比率；因此，在今后的反恐中，通過推特發(fā)布的預(yù)警信息可以加上相應(yīng)的指導(dǎo)措施，以便提高反恐信息預(yù)警的信息擴(kuò)散，提升反恐信息預(yù)警的效率。此外，蘇頓等人以文本挖掘方法進(jìn)行的跨災(zāi)害(cross hazards)的比較分析，基于負(fù)二項回歸模型的分析結(jié)果顯示，標(biāo)簽(Hashtag)和賬戶的粉絲數(shù)對信息的轉(zhuǎn)發(fā)有正面作用，而朝向個體、表達(dá)感激或包括URL則會降低信息被轉(zhuǎn)發(fā)的可能性。與此同時，一些傳統(tǒng)上并不多見也不強(qiáng)調(diào)的信息可能會提高信息的轉(zhuǎn)發(fā)比率。

國外學(xué)者在災(zāi)害管理領(lǐng)域的研究也較多。2007年“弗吉尼亞理工槍擊事件”(Virginia Tech Shooting)的案例研究顯示，社交媒體上的交互信息有助于形成集體智慧(collective intelligence)?！昂５氐卣稹?Haiti Earthquake)的案例研究表明，災(zāi)后在社交媒體上出現(xiàn)的“志愿推者”(Voluntweeters)有助于加強(qiáng)志愿者的自組織(Self-organization)?！吧５巷Z風(fēng)”(Hurricane Sandy)的案例研究表明，社交媒體可以提升市民參與(Citizen participation)水平，政府與市民對信息的共同生產(chǎn)(Co-production)有利于提升應(yīng)急響應(yīng)的適應(yīng)能力。近些年，基于中國社交媒體的應(yīng)急響應(yīng)研究也見諸于英文文獻(xiàn)。例如，“汶川地震”的案例研究顯示，中國網(wǎng)民如何利用“天涯”在線論壇進(jìn)行應(yīng)急響應(yīng)和災(zāi)后恢復(fù)，發(fā)展了基于天涯論壇數(shù)據(jù)的分類框架?！坝駱涞卣稹钡陌咐芯縿t利用新浪微博的數(shù)據(jù)，展示中國網(wǎng)民如何通過社交媒體來開展應(yīng)急響應(yīng)。臺灣學(xué)者也以“莫拉克臺風(fēng)”(Typhoon Morakot)為案例，討論了臺灣網(wǎng)民利用社交媒體進(jìn)行的應(yīng)急響應(yīng)。

對社交媒體的危機(jī)溝通研究最早可追溯到2001年的英國“口蹄疫事件”，農(nóng)場主們在網(wǎng)上建立虛擬社區(qū)以滿足信息需求，使得地理上分散的公眾得以聯(lián)系起來，從而改變了原來以地域?yàn)榻绲纳鐓^(qū)概念。2007年“南加州大火”的一項案例研究表明，社交媒體促使公眾在互聯(lián)網(wǎng)上尋找共同體，這既表明了公眾的信息渴求(Information dearth)，也可能導(dǎo)致信息過載(Information overload)；另一項研究則顯示，美國的危機(jī)管理在組織設(shè)計上是彈性的，社交媒體為美國政府的危機(jī)溝通提供了非正式渠道(Back channel)，與正式渠道相比，這種非正式渠道是點(diǎn)對點(diǎn)的溝通(Peer to peer communication)，是秘密的、非常規(guī)的。2009年“西雅圖暴力事件”(Seattle Violent Crisis)的案例研究則證實(shí)，推特已經(jīng)成為市民、新聞組織和其他機(jī)構(gòu)共享危機(jī)信息的重要方法。這些研究為理解社交媒體對個體層面的危機(jī)溝通的影響提供了幫助。

大數(shù)據(jù)分析的基本范式

目前的情況是，企業(yè)運(yùn)用大數(shù)據(jù)經(jīng)商創(chuàng)業(yè)走在最前面，因?yàn)橛欣骝?qū)動；政府運(yùn)用大數(shù)據(jù)精細(xì)管理緊隨其后，因?yàn)楸粔毫λ?；相比之下，學(xué)界運(yùn)用大數(shù)據(jù)做研究反倒落在后面了，因?yàn)橼吚麆恿Σ蛔?，困境壓力不大?/p>

國外學(xué)者運(yùn)用社交媒體等大數(shù)據(jù)開展風(fēng)險災(zāi)害危機(jī)管理的研究，對我們構(gòu)建大數(shù)據(jù)分析范式提供了借鑒。大數(shù)據(jù)分析已經(jīng)成為風(fēng)險災(zāi)害危機(jī)管理中的一項重要資源，必然推動傳統(tǒng)的應(yīng)急管理理論和體系發(fā)生變革和演化。大數(shù)據(jù)分析與傳統(tǒng)風(fēng)險災(zāi)害危機(jī)管理基本范式的融合促使了新的范式形成。特別是隨著互聯(lián)網(wǎng)、云平臺及智能終端的進(jìn)一步廣泛使用，不同結(jié)構(gòu)的數(shù)據(jù)通過異構(gòu)、融合和流動來為應(yīng)急響應(yīng)全過程提供智能化服務(wù)。本文探索構(gòu)建如下的大數(shù)據(jù)驅(qū)動風(fēng)險災(zāi)害危機(jī)管理的研究范式：

(1)“數(shù)據(jù)-信息-知識”關(guān)鍵資源鏈的重構(gòu)

大數(shù)據(jù)背景下風(fēng)險災(zāi)害危機(jī)管理的重大變化在于，以數(shù)據(jù)、信息為基礎(chǔ)融合而成的知識成為最基本、最重要的資源，它能極大地拓展原有風(fēng)險災(zāi)害危機(jī)管理信息的邊界，提升管理主體的決策能力，增強(qiáng)對突發(fā)事件不確定性的管控。因此，大數(shù)據(jù)背景下風(fēng)險災(zāi)害危機(jī)管理的價值體現(xiàn)與能力體現(xiàn)的基礎(chǔ)，即為“數(shù)據(jù)-信息-知識”這一關(guān)鍵資源鏈的重構(gòu)、配置和管理。這就需要依據(jù)大數(shù)據(jù)背景下風(fēng)險災(zāi)害危機(jī)管理全過程中的主體行為特征、任務(wù)特征、環(huán)境特征、組織特征，構(gòu)建“數(shù)據(jù)-信息-知識”關(guān)鍵資源鏈的動態(tài)演化規(guī)律、屬性描述方法與模型。

(2)風(fēng)險災(zāi)害危機(jī)全成因分析與全景式建模

全成因分析是風(fēng)險災(zāi)害危機(jī)管理的前提，只有找準(zhǔn)源頭，才能實(shí)現(xiàn)有針對性的應(yīng)急預(yù)警。由于有關(guān)風(fēng)險災(zāi)害危機(jī)成因的數(shù)據(jù)不僅包括分散在公安、消防、醫(yī)療衛(wèi)生、氣象氣候、地理地質(zhì)等不同政府部門與組織的開放數(shù)據(jù)，還包括經(jīng)濟(jì)數(shù)據(jù)、自然數(shù)據(jù)、交通數(shù)據(jù)、社會數(shù)據(jù)等其他相關(guān)基礎(chǔ)數(shù)據(jù)，因此需要綜合運(yùn)用數(shù)據(jù)挖掘與數(shù)據(jù)耕耘技術(shù)，對多來源、多維度與多尺度的信息進(jìn)行數(shù)據(jù)清洗和集成，并進(jìn)一步采用時序跟蹤、關(guān)聯(lián)分析以及網(wǎng)絡(luò)聚類等大數(shù)據(jù)分析方法，對風(fēng)險災(zāi)害危機(jī)大數(shù)據(jù)進(jìn)行數(shù)據(jù)捕獲、融合與更新，實(shí)現(xiàn)由傳統(tǒng)的信息采集轉(zhuǎn)向數(shù)據(jù)加工、數(shù)據(jù)挖掘和數(shù)據(jù)處理的“大數(shù)據(jù)驅(qū)動”轉(zhuǎn)變。針對潛在的風(fēng)險災(zāi)害危機(jī)事件進(jìn)行全景式重構(gòu)與再現(xiàn)，構(gòu)建計算機(jī)程序處理方式，實(shí)現(xiàn)由突發(fā)事件“實(shí)際現(xiàn)象”抽象至“概念情景”的轉(zhuǎn)變，從而為實(shí)現(xiàn)風(fēng)險災(zāi)害危機(jī)事件的有效應(yīng)對奠定數(shù)據(jù)與建?；A(chǔ)。

(3)基于信息研判的風(fēng)險預(yù)警

在全成因分析與全景式建模的基礎(chǔ)上，對風(fēng)險災(zāi)害危機(jī)數(shù)據(jù)予以信息整合，再對相關(guān)信息進(jìn)行研判，確定相應(yīng)的預(yù)警信息，并通過發(fā)布、傳遞風(fēng)險預(yù)警信息，推動風(fēng)險預(yù)警信息的擴(kuò)散，既使政府的預(yù)防與準(zhǔn)備做得更有針對性和有效性，又增強(qiáng)社會公眾的自我防護(hù)意識。

(4)基于靶向思維的應(yīng)急響應(yīng)

基于靶向思維的應(yīng)急響應(yīng)方案序列設(shè)計，運(yùn)用循證學(xué)的方法，通過在已有的具體突發(fā)事件應(yīng)對實(shí)踐中提取關(guān)于應(yīng)急響應(yīng)方案設(shè)計的最佳證據(jù)，在明晰突發(fā)事件的特征向量與循證案例匹配程度的基礎(chǔ)上，進(jìn)一步優(yōu)化應(yīng)急響應(yīng)方案。同時，運(yùn)用并行、串行與混合等方式構(gòu)建應(yīng)急響應(yīng)“靶點(diǎn)”序列，設(shè)計有指向性的保障措施與響應(yīng)路徑。

(5)基于社交媒體的危機(jī)溝通

在風(fēng)險災(zāi)害危機(jī)管理的全過程中，充分發(fā)揮大數(shù)據(jù)所具有的4V特征之優(yōu)勢，運(yùn)用社交媒體對突發(fā)事件信息進(jìn)行及時披露與溝通，消除由信息不對稱所造成的公眾恐慌等不利后果。

在此框架下，我們這些年開始了一些有益的探索。

2016年6月23日，江蘇省鹽城市阜寧縣發(fā)生特大龍卷風(fēng)災(zāi)害。以此為案例，我們一邊投入救災(zāi)志愿者行動，一邊運(yùn)用參與式觀察和體驗(yàn)、實(shí)地調(diào)查和訪談等方法，研究了微信在災(zāi)害應(yīng)急管理中的作用，結(jié)果發(fā)現(xiàn)：與其他通訊手段和信息渠道相比，微信在信息發(fā)布上占一席之地，在危機(jī)溝通上遙遙領(lǐng)先，在治理參與上行之有效；但在重視微信正面功能的同時，也不能忽視其在真實(shí)性、冗雜性和不平衡性等方面的不足，并通過技術(shù)的提升、管理的改進(jìn)予以彌補(bǔ)。

我們還對發(fā)端于江蘇省淮安市、推廣及全國范圍的網(wǎng)絡(luò)信訪進(jìn)行研究。發(fā)現(xiàn)網(wǎng)絡(luò)信訪不僅方便了信訪人，讓“數(shù)據(jù)多跑路、群眾少跑腿”，而且極大提高信訪辦理工作的效率。此后又接受國家信訪局的委托，承擔(dān)“構(gòu)建信訪大數(shù)據(jù)研判與應(yīng)用機(jī)制研究”的課題，經(jīng)過課題研究認(rèn)識到，“發(fā)展基于信訪大數(shù)據(jù)的社會預(yù)警已經(jīng)超出了信訪部門信訪辦理的范疇，這就需要跳出信訪部門的視野局限，站在更高的層面上來予以籌謀和規(guī)劃，由傳統(tǒng)的信訪辦理走向信訪治理。在這種意義上，發(fā)展基于信訪大數(shù)據(jù)的社會風(fēng)險預(yù)警是一項事關(guān)社會和諧穩(wěn)定和國家長治久安的戰(zhàn)略設(shè)想?！?/p>

結(jié)　語

在大數(shù)據(jù)環(huán)境下，風(fēng)險災(zāi)害危機(jī)管理及其研究，本質(zhì)上就是數(shù)據(jù)提取、清洗、轉(zhuǎn)化、處理、分析與儲存的綜合體。而要真正實(shí)現(xiàn)大數(shù)據(jù)驅(qū)動的風(fēng)險預(yù)警、應(yīng)急決策與危機(jī)溝通等目標(biāo)，還需要注意以下幾點(diǎn)：

(1)學(xué)科交叉

大數(shù)據(jù)驅(qū)動的風(fēng)險災(zāi)害危機(jī)管理及其研究，超出了任何單一學(xué)科的承載能力，因此，需要綜合集成計算機(jī)科學(xué)、管理科學(xué)、社會科學(xué)、政策科學(xué)、技術(shù)科學(xué)等不同學(xué)科的理論與方法，開展跨學(xué)科的合作與交叉研究，這是推進(jìn)大數(shù)據(jù)分析在風(fēng)險災(zāi)害危機(jī)管理及其研究領(lǐng)域發(fā)展的重要科學(xué)基礎(chǔ)。

(2)數(shù)據(jù)集成

在風(fēng)險災(zāi)害危機(jī)管理及其研究中應(yīng)用大數(shù)據(jù)分析，其前提在于足量的、連續(xù)的、有效的數(shù)據(jù)保障。特別是作為風(fēng)險災(zāi)害危機(jī)管理的主導(dǎo)方，政府的數(shù)據(jù)更加需要開放與整合，政府的不同部門(例如公安、衛(wèi)生、氣象等)需要相互打通數(shù)據(jù)接口，通過數(shù)據(jù)共享以實(shí)現(xiàn)對風(fēng)險災(zāi)害危機(jī)事件的及時響應(yīng)。

(3)信息規(guī)范

大數(shù)據(jù)時代，社交媒體數(shù)據(jù)的傳播速度與廣度足以制造一個新的突發(fā)事件，政府應(yīng)通過健全相應(yīng)的法律法規(guī)來約束公眾信息傳播，發(fā)揮大數(shù)據(jù)的正能量傳遞，防范并遏制虛假信息、恐慌信息等負(fù)能量的擴(kuò)散。同時，還要注意保護(hù)社會公眾的隱私，實(shí)現(xiàn)數(shù)據(jù)開放與隱私保護(hù)之間的平衡。

(4)社會參與

大數(shù)據(jù)的優(yōu)勢在于能夠?qū)崿F(xiàn)非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)的結(jié)構(gòu)化，因此，雖然公眾、NGO等社會組織的數(shù)據(jù)存在雜亂無序的可能性，但為了保證數(shù)據(jù)的全面性與系統(tǒng)性，需要積極推動社會公眾等其他主體參與風(fēng)險災(zāi)害危機(jī)管理的數(shù)據(jù)供給。

(5)技術(shù)創(chuàng)新

隨著信息技術(shù)的快速發(fā)展，機(jī)器學(xué)習(xí)、內(nèi)容建模等大數(shù)據(jù)分析技術(shù)也在不斷更新升級，因此要積極推動情景耕耘、模式識別等人工智能技術(shù)的創(chuàng)新，從而為突發(fā)事件的分析和預(yù)測提供有力的工具。

(6)體系健全

如前文所述，我國現(xiàn)行的綜合應(yīng)急管理體系存在不足之處，需要融入大數(shù)據(jù)分析技術(shù)，因此，政府需要制定專門的政策、規(guī)章、辦法來保障大數(shù)據(jù)分析技術(shù)的應(yīng)用，從而推動風(fēng)險災(zāi)害危機(jī)管理體系的健全和完善。

①童星：《風(fēng)險災(zāi)害危機(jī)連續(xù)統(tǒng)與全過程應(yīng)對體系》，《學(xué)習(xí)論壇》2012年第8期。

②童星：《論風(fēng)險災(zāi)害危機(jī)管理的跨學(xué)科研究》，《學(xué)?！?016年第2期。

③馬奔、毛慶鐸：《大數(shù)據(jù)在應(yīng)急管理中的應(yīng)用》，《中國行政管理》2015年第3期。

④童星：《論風(fēng)險災(zāi)害危機(jī)管理的跨學(xué)科研究》，《學(xué)海》2016年第2期。

⑤F. Frankel, R. Reid, “Big data: Distilling meaning from data”,Nature, No.7209, Vol.455 (2008), p.30.

⑥J. Gantz, D. Reinsel,Extractingvaluefromchaos, Massachusetts: IDG IVIEW, 2011, p.6.

⑦Science Staff, “Challenges and Opportunities”,Science, No.6018, Vol.331 (2011), pp.692-693.

⑧J. Manyika, M. Chui, B. Brown, et al,Bigdata:Thenextfrontierforinnovation,competition,andproductivity, McKinsey Global Institute, 2011, p.15.

⑨參見J. Manyika, M. Chui, P. Groves, et al,Opendata:Unlockinginnovationandperformancewithliquidinformation, McKinsey Global Institute, 2013.

⑩參見V. Mayer-Sch?nberger, K. Cukier,Bigdata:Arevolutionthatwilltransformhowwelive,work,andthink, Houghton Mifflin Harcourt, 2013.